$ \ lambda = 0 $的LASSO和OLS在R glmnet中产生不同的结果 [英] LASSO with $\lambda = 0$ and OLS produce different results in R glmnet

问题描述

我希望没有惩罚($ \ lambda = 0 $)的LASSO会产生与OLS拟合相同(或非常相似)的系数估计.但是，我在R中得到了不同的系数估计，将相同的数据(x，y)放入

I expect LASSO with no penalization ($\lambda=0$) to yield the same (or very similar) coefficient estimates as an OLS fit. However, I get different coefficient estimates in R putting the same data (x,y) into

• glmnet(x, y , alpha=1, lambda=0)适用于LASSO，没有惩罚，并且
• lm(y ~ x)用于OLS拟合.

• glmnet(x, y , alpha=1, lambda=0) for LASSO fit with no penalization and
• lm(y ~ x) for OLS fit.

那是为什么?

推荐答案

您使用的函数错误. x应该是模型矩阵.不是原始的预测值.当您这样做时，您将获得完全相同的结果:

You're using the function wrong. The x should be the model matrix. Not the raw predictor value. When you do that, you get the exact same results:

x <- rnorm(500)
y <- rnorm(500)
mod1 <- lm(y ~ x) 

xmm <- model.matrix(mod1)
mod2 <- glmnet(xmm, y, alpha=1, lambda=0)

coef(mod1)
coef(mod2)

这篇关于$ \ lambda = 0 $的LASSO和OLS在R glmnet中产生不同的结果的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！